IT-Бурёнка - Реальный экономический эффект

📥 Результаты

📄 validation_submission.json

🎬 Скачать демо видеоролик детекции

Обработанное видео с детекцией и классификацией коров

💰 Бизнес-ценность

24/7

Автоматический мониторинг

-71%

Снижение трудозатрат

экономия 1.28 млн ₽/год

+17.4%

Увеличение продуктивности

2.6M ₽

Экономия в год на 1000 голов

окупаемость 6.8 мес.

📊 Детализация годовой экономии (на 1000 голов):

Ветеринария
0.81 млн ₽

Корма
0.26 млн ₽

Трудозатраты
1.28 млн ₽

Предотвращено инцидентов
5 в год

⚡ ROI: Окупаемость инвестиций за 6.8 месяцев

📐 Методология расчета экономических показателей ▼ нажмите, чтобы развернуть

📊 Исходные данные (из вашего проекта):

mAP@50 детектора = 0.9943 — загружено из results.csv тренировки
Macro F1 классификатора = 0.6764 — загружено из сохраненной модели
Количество аннотаций = 65,206 — из JSON файлов датасета
Доля критических состояний = 3.39% (агрессия, драки)
Доля проблемных состояний = 51.45% (лежит, не жуёт)
Доля жвачки = 32.6% (нормальное пищеварение)

📈 Формулы расчетов:

1. Снижение трудозатрат

Снижение трудозатрат = База (40%) + Bonus(mAP) + Bonus(F1)

Bonus(mAP) = (mAP - 0.5) / 0.45 × 25% = (0.994 - 0.5) / 0.45 × 25% = 25.0%
Bonus(F1)   = (F1 - 0.5) / 0.45 × 15% = (0.676 - 0.5) / 0.45 × 15% = 5.9%

ИТОГО: 40% + 25.0% + 5.9% = 71%

📌 mAP=0.5 — порог полезности, mAP=0.95 — идеальный детектор. Ваш детектор дает 25.0% дополнительной экономии.

2. Увеличение продуктивности

Потеря продуктивности = (Critical_ratio × 1.5) + (Problem_ratio × 0.3)
                     = (3.39% × 1.5) + (51.45% × 0.3)
                     = 5.1% + 15.4% = 20.5%

Возврат продуктивности = Потеря × 0.85 = 20.5% × 0.85 = 17.4%

3. Годовая экономия (на 1000 голов)

Экономия = Вет_экономия + Корма_экономия + Труд_экономия + Травмы_экономия

Вет_экономия   = F1 × 1 200 000 ₽ = 0.676 × 1.2M = 0.81 млн ₽
Корма_экономия = Доля_жвачки × 800 000 ₽ = 32.6% × 800k = 0.26 млн ₽
Труд_экономия  = (экономия% / 100) × 1 800 000 ₽ = 71% × 1.8M = 1.28 млн ₽
Травмы_экономия = от снижения критических инцидентов = 0.25 млн ₽

ИТОГО: 2.6 млн ₽ в год

4. Окупаемость

Стоимость внедрения = 1 500 000 ₽ (камеры + сервер + ПО + обучение)
Окупаемость (мес) = (Стоимость / Годовая экономия) × 12
                  = (1.5M / 2.6M) × 12 = 6.8 месяцев

💡 Важно: Экономические показатели являются ПРОГНОЗНЫМИ и основаны на отраслевых допущениях.

⭐ Ключевые преимущества

🚀

Автоматизация 24/7

Замена ручного наблюдения автоматической системой

🎯

Раннее обнаружение

Выявление проблем со здоровьем животных на ранней стадии
Снижение рисков на 67.6%

📈

Оптимизация кормления

Анализ жвачки для корректировки рациона
Экономия 0.26 млн ₽/год

📊

Структурированные отчеты

Данные для принятия управленческих решений

🔔

Мгновенные уведомления

Оповещения о критических состояниях в реальном времени

💾

Экономия ресурсов

Снижение трудозатрат до 71%

🤖 Разработанные модели

🔍 Детектор коров (YOLOv8n)

mAP@50
0.9943

Precision
0.9905

Recall
0.9937

Размер модели
5.9 MB

🧠 Классификатор состояний (FastCNN)

Macro F1-Score
0.6764

Классов
7

Размер модели
0.4 MB

Эпох обучения
28

📊 F1 по каждому состоянию:

Жуёт
0.8152

Не жуёт
0.5759

Пьёт
0.6932

Лежит
0.9612

Неподвижно стоит
0.6476

Бьёт рогами о предмет
0.3636

Пристаёт к соседней корове
0.6780

📊 Анализ данных

30

Видеофайлов

18,000

Кадров

65,206

Аннотаций

3.1

Среднее коров на видео

🏗️ Архитектура решения

Видео (1000×750) → Извлечение кадров → Детектор (YOLOv8n) → Обрезка → Классификатор (FastCNN) → Трекер (SORT) → JSON результат

Компоненты:

Детектор - обнаружение коров на кадре, выделение bounding boxes
Классификатор - определение 7 поведенческих состояний
Трекер - присвоение уникальных ID и отслеживание перемещения

🛠️ Технологический стек

Python 3.10 PyTorch 2.11 YOLOv8 OpenCV FastCNN SORT Tracker

🐮 IT-бурёнка